本发明公开了一种基于深度学习从多序列MR中生成伪CT的影像生成系统，包括：数据收集模块，用于收集数据集，包括CT影像和多序列MR影像数据，并将数据集划分为训练集和测试集；影像生成模型训练模块，用于利用训练集中相应模态的小批次数据，分别对基于CNN的生成器GCT和GMR以及判别器DCT和DMR进行迭代训练，得到最优影像生成模型；影像生成模块，用于从测试集的多序列MR影像中生成伪CT影像。本发明基于循环生成对抗网络，通过多序列特征融合策略，充分利用MR影像不同序列之间的互补特征，显著提升伪CT影像的合成质量；引入多序列恒等损失项，提升网络训练过程的稳定性和可靠性；在原始影像和合成影像之间构建轮廓损失项，减轻合成影像解剖学结构的畸变，改善合成CT影像的质量。